Journals / Öneri Dergisi / 2007 / Cilt: 7 - Sayı: 27

BİREYSEL EMEKLİLİK FONLARININ SCHEFFE, RIDGE VE ÇOKLU REGRESYON MODELLERİ İLE İNCELENMESİ

Pages
305–317
Publication Date
2007-01-10
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Her modele Ridge ve çoklu regresyon uygulanarak sonuçlar değerlendirilmiştir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Günümüzde bileşenlerin miktarlarına bağlı olan bağımsız değişkenli denemeler ve karışımı oluşturan bileşenlerin miktarlarına bağlı olmaksızın, oranlarına bağlı olan karma denemeler yaygın olarak kullanılmaktadır. 1958 yılında Scheffe’nin ortaya çıkardığı karma denemeler tıp, kimya, gıda gibi bir çok alana uygulanmıştır.
📊
Key Findings & Data:Farklı bir uygulama olarak bireysel emeklilik fonları, içerikleri çeşitli yatırım araçlarının belirli oranlarda kullanılması ile oluştuğundan Scheffe karma denemeleri için uygun yapılar oluşturmaktadır.
💡
Conclusion & Impact:Her modele Ridge ve çoklu regresyon uygulanarak sonuçlar değerlendirilmiştir.
🔬Design:Experimental Field Trial
📍Scope:Comprehensive Sample
⚙️Variables:Karma Denemeler · Bireysel Emeklilik Fonları · Çoklu Regresyon

Özet

Günümüzde bileşenlerin miktarlarına bağlı olan bağımsız değişkenli denemeler ve karışımı oluşturan bileşenlerin miktarlarına bağlı olmaksızın, oranlarına bağlı olan karma denemeler yaygın olarak kullanılmaktadır. 1958 yılında Scheffe’nin ortaya çıkardığı karma denemeler tıp, kimya, gıda gibi bir çok alana uygulanmıştır. Farklı bir uygulama olarak bireysel emeklilik fonları, içerikleri çeşitli yatırım araçlarının belirli oranlarda kullanılması ile oluştuğundan Scheffe karma denemeleri için uygun yapılar oluşturmaktadır. Bu çalışmada, bireysel emeklilik fonlarını oluşturan yatırını araçları bileşenlerinin bağıl oranları kullanılarak Scheffe karma denemeler yöntemi ile fonların yatırım araçlarına bağlılığının modellenmesi yapılmış ve üç farklı fon için durum incelenmiştir. Her modele Ridge ve çoklu regresyon uygulanarak sonuçlar değerlendirilmiştir.

🔖

Cite This Article

RÜZGAR, N. S. (2007). BİREYSEL EMEKLİLİK FONLARININ SCHEFFE, RIDGE VE ÇOKLU REGRESYON MODELLERİ İLE İNCELENMESİ. Öneri Dergisi, Cilt: 7 - Sayı: 27, 305–317. https://ajindex.com/articles/35967

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (18)

  1. Juran, J.M. & Gryna, F.M. (1981). Planning and Analysis of Quality. 2nd Ed. New York: McGraw-Hill
  2. Cornell, J.A. (1990). Experiments With Mixtures. 2nd Ed. New York: John Wiley & Sons
  3. Draper, N.R. & Pulkelsheim, F. (2002). Generaized Ridge Analysis Under Linear Restrictions with particular Applications to Mixture Experiments Problems. Technometrics, 44(3), 250-258. (www.math.uni-augsburg.de/stochastik/pukelsheim/2002a.pdf) [07.04.2005]
  4. Scheffe, H. (1958). Experiments with Mixtures. Journal of The Royal Statistical Society. Series B, 20(2), 344-360
  5. Crosier, B.R. (1984). Mixture Experiments: Geometry and Pseudocomponents. Technometrics, 26(3), 209-216
  6. Steiner, S.H. & Hamada, M. (1997). Making Mixture Robust to Noise Factors and Mixing Measurement Errors. Journal of Quality Technology, 29(4), 441-450, (www.stats.uwaterloo.ca/~shsteine/papers/mix.pdf). [07.04.2005]
  7. Piepel, G.F. (1983). Defıning Consistent Regions in Mixture Experiments. Technometrics, 25(1), 97-101
  8. Ciaringbold, P.J. (1955). Use of the Simplex Design in the Study of the Join Action of Related Hormones. Biometrics, 11(2), 174-185
  9. Gorman, J.W. (1970). Fitting Equations to Mixture Data With Restraints on Compositions. Journal of Quality Technology, 2(4), 186-194
  10. Marquart, D.W. (1970). Generalized Inverses Ridge Regression Biased Linear Estimation and Nonlinear Estimation. Technometrics, 12(3), 591-612
  11. Orhunbilge, N. (1996). Uygulamalı Regresyon ve Korelasyon Analizi. İ.Ü. İşletme Fakültesi Yayın No: 267, İstanbul: İ. Ü. İşletme Fakültesi İşletme İktisadı Yayın No: 159
  12. Myers, R.H. (1990). Classical and Modern Regression with Applications. 2nd Ed. Boston: PWS Kent
  13. Freund, R.J. & Littell, R.C. (1986). SAS System Linear Regression. (Ed.: Cary, N.C.). USA: SAS Institute Inc
  14. Petraitis, P.S. (1996). How can we compare the importance of ecological processes if we never ask, ’Compared to what?' Issues and Perspectives in Experimental Ecology (Eds.: Resitarits, W. & Bernardo, J.). New York: Oxford University Press
  15. Draper, N.R. & Smith, H. (1981). Applied Regression Analysis. New York: John Wiley & Sons, Inc
  16. Freund, R.P. & Minton, P.D. (1979). Regression Methods: A Tool for Data Analysis. New York: Marcel Dekker, Inc
  17. Wetherill, G.B.; Duncombe, P.; Kollerstrom, J.; Kenward, M.; Paul, S.R. & Vowden, B.J. (1986). Regression Analysis with Applications. London: Chapman and Hail
  18. Berry, W.D. & Feldman, S. (1985). Multip